关于tensorflow经过embedding层维度的问题。

tensorflow其实没多难，感觉在理解了维度问题以后，慢慢的就懂了。

经过embedding层，embedding_output = tf.nn.embedding_lookup(embedding_mat,self.xdata)

embedding层的目的是要将data表示为lstm可以输入的onehot数据。

如果data的shape为（100，50），在lstm中，100是batchsize大小，50是你将来要表示成time的，这50中的每一个都要用向量表示，所以，embedding_output的shape应该是

100*50*每个词的维度，这样embedding_mat就要表示为词汇表大小*每个词的维度，比如5000*128.

embedding_output shape为100*50*128  50就是你的timestep，128是每个数据的词汇量大小，100就是batchsize。

tensorflow学习的时候，关键是数据的维度，其它都很简单。